Search Techniques in Intelligent Classification Systems (eBook)
XIII, 82 Seiten
Springer International Publishing (Verlag)
978-3-319-30515-8 (ISBN)
A unified methodology for categorizing various complex objects is presented in this book. Through probability theory, novel asymptotically minimax criteria suitable for practical applications in imaging and data analysis are examined including the special cases such as the Jensen-Shannon divergence and the probabilistic neural network. An optimal approximate nearest neighbor search algorithm, which allows faster classification of databases is featured. Rough set theory, sequential analysis and granular computing are used to improve performance of the hierarchical classifiers. Practical examples in face identification (including deep neural networks), isolated commands recognition in voice control system and classification of visemes captured by the Kinect depth camera are included. This approach creates fast and accurate search procedures by using exact probability densities of applied dissimilarity measures.
This book can be used as a guide for independent study and as supplementary material for a technically oriented graduate course in intelligent systems and data mining. Students and researchers interested in the theoretical and practical aspects of intelligent classification systems will find answers to:
- Why conventional implementation of the naive Bayesian approach does not work well in image classification?
- How to deal with insufficient performance of hierarchical classification systems?
- Is it possible to prevent an exhaustive search of the nearest neighbor in a database?
1.Intelligent Classification Systems.- 2. Statistical Classification of Audiovisual Data.- 3. Hierarchical Intelligent Classification Systems.- 4. Approximate Nearest Neighbor Search in Intelligent Classification Systems.- 5. Search in Voice Control Systems.- 6. Conclusion.
| Erscheint lt. Verlag | 2.5.2016 |
|---|---|
| Reihe/Serie | SpringerBriefs in Optimization | SpringerBriefs in Optimization |
| Zusatzinfo | XIII, 82 p. 28 illus., 19 illus. in color. |
| Verlagsort | Cham |
| Sprache | englisch |
| Themenwelt | Mathematik / Informatik ► Informatik |
| Mathematik / Informatik ► Mathematik | |
| Technik ► Maschinenbau | |
| Schlagworte | Data Mining • face identification • Hierarchical Intelligent Classification Systems • Intelligent Classification Systems • Mathematical Model of the Piecewise-Regular Object • Modern intelligent systems • nearest neighbor search • pattern recognition • Probability Theory • Speech Recognition • Statistical Classification of Audiovisual Data • Voice Control Systems |
| ISBN-10 | 3-319-30515-8 / 3319305158 |
| ISBN-13 | 978-3-319-30515-8 / 9783319305158 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
